모닝스타는 Anthropic의 예상 기업공개를 앞두고 인공지능 연구소에 대한 분석을 시작하며, Anthropic과 OpenAI가 지속 가능한 경쟁 우위를 구축하고 수익을 낼 수 있는지 질문했습니다. 3부작 시리즈의 첫 편에서 이 투자 연구사는 주요 연구소들이 경제적 해자를 형성하고 있지만, 아직 완성되지는 않았다고 주장했습니다. 대형 언어 모델이 이메일 작성, 실적 요약, 코드 생성 같은 비슷한 작업을 할 수 있는 상황에서 사업자가 수익을 낼 수 있느냐는 의문이 수년간 이어져 왔습니다.

이 질문은 2024년과 2025년, Anthropic과 OpenAI에 각각 수십억 달러를 투자한 아마존, 마이크로소프트, 알파벳 등 상장 클라우드 기업을 둘러싸고 처음 제기됐습니다. AI 연구소의 기업공개 가능성을 투자자들이 주시하는 2026년에는 연구소가 상품화 압력에 직면할지, 지속 가능한 사업을 구축할 수 있을지로 관심이 옮겨갔습니다. 모닝스타는 연구소가 수익을 내지 못한다면 칩, 전력, 데이터센터에 대한 투자도 매력적인 수익을 낼 수 있다는 가정에 의존하기 때문에 우려가 확산된다고 설명했습니다.

모닝스타가 꼽은 잠재적 우위는 두 가지입니다. 사용 데이터가 제품을 개선하는 데이터·제품 네트워크 효과와, 훈련 비용 상승 및 기가와트 규모 컴퓨팅 할인에서 비롯되는 구조적 비용 우위입니다. 모닝스타는 코딩 제품의 초기 확산을 사례로 6단계 선순환 구조를 설명하고, 도입이 확대되면 다른 활용 분야와 사용자 집단에서도 비슷한 흐름이 나타날 것으로 전망했습니다. 이 회사에 따르면 Anthropic과 OpenAI는 알고리즘 발전, 자체 설계 반도체, 다년간의 컴퓨팅 계약을 활용해 모델 서비스 비용도 낮췄습니다.

모닝스타의 핵심 경제 논리는 기존 모델로 코드와 문장, 답변을 생성하는 추론 수요가 훈련과 연구 비용보다 빠르게, 기하급수적으로 늘고 있다는 것입니다. 훈련·연구 비용은 모델 세대마다 초기에 집중되는 반면, 추론 비용은 사용이 지속될수록 증가합니다. 연구소들은 모델과 도구를 구축하는 동안 자원의 대부분을 훈련과 연구에 썼으며, 시스템이 배포에 유용해지면서 2025~2026년에 추론 수요 증가가 빨라졌습니다. 모닝스타는 장기 마진이 훈련보다 추론에 더 크게 좌우되며, 추론만 놓고 보면 마진이 약 80%에 이를 수 있다고 추산했습니다.

Anthropic은 컴퓨팅 사용 비중이 추론 쪽으로 이동한 가운데 2026년 1분기 영업 흑자를 기록했으며, 분기 매출 110억 달러에 영업이익률 5%를 보고했습니다. 모닝스타는 연구소가 계속 적자를 낼 것이라는 비관적 전망보다 수익성 달성이 빨랐다고 밝혔습니다. 모닝스타의 해자 등급은 투자자본 수익률이 추정 자본비용을 웃돌 수 있는지를 평가합니다. 좁은 해자는 최소 10년 동안 초과수익을 낼 가능성이 그렇지 않을 가능성보다 높다는 뜻이며, 넓은 해자는 10년간 초과수익이 예상되고 최소 20년 지속될 가능성이 그렇지 않을 가능성보다 높다는 뜻입니다. 모닝스타는 해자의 원천으로 무형자산, 전환 비용, 네트워크 효과, 비용 우위, 효율적 규모 등 5가지를 제시했습니다. 해당 분석의 저자 중 한 명 이상은 글에서 다룬 증권 일부를 보유하고 있다고 밝혔습니다.

모닝스타는 Anthropic의 예상 기업공개를 앞두고 인공지능 연구소에 대한 분석을 시작하며, Anthropic과 OpenAI가 지속 가능한 경쟁 우위를 구축하고 수익을 낼 수 있는지 질문했습니다. 3부작 시리즈의 첫 편에서 이 투자 연구사는 주요 연구소들이 경제적 해자를 형성하고 있지만, 아직 완성되지는 않았다고 주장했습니다. 대형 언어 모델이 이메일 작성, 실적 요약, 코드 생성 같은 비슷한 작업을 할 수 있는 상황에서 사업자가 수익을 낼 수 있느냐는 의문이 수년간 이어져 왔습니다.

이 질문은 2024년과 2025년, Anthropic과 OpenAI에 각각 수십억 달러를 투자한 아마존, 마이크로소프트, 알파벳 등 상장 클라우드 기업을 둘러싸고 처음 제기됐습니다. AI 연구소의 기업공개 가능성을 투자자들이 주시하는 2026년에는 연구소가 상품화 압력에 직면할지, 지속 가능한 사업을 구축할 수 있을지로 관심이 옮겨갔습니다. 모닝스타는 연구소가 수익을 내지 못한다면 칩, 전력, 데이터센터에 대한 투자도 매력적인 수익을 낼 수 있다는 가정에 의존하기 때문에 우려가 확산된다고 설명했습니다.

모닝스타가 꼽은 잠재적 우위는 두 가지입니다. 사용 데이터가 제품을 개선하는 데이터·제품 네트워크 효과와, 훈련 비용 상승 및 기가와트 규모 컴퓨팅 할인에서 비롯되는 구조적 비용 우위입니다. 모닝스타는 코딩 제품의 초기 확산을 사례로 6단계 선순환 구조를 설명하고, 도입이 확대되면 다른 활용 분야와 사용자 집단에서도 비슷한 흐름이 나타날 것으로 전망했습니다. 이 회사에 따르면 Anthropic과 OpenAI는 알고리즘 발전, 자체 설계 반도체, 다년간의 컴퓨팅 계약을 활용해 모델 서비스 비용도 낮췄습니다.

모닝스타의 핵심 경제 논리는 기존 모델로 코드와 문장, 답변을 생성하는 추론 수요가 훈련과 연구 비용보다 빠르게, 기하급수적으로 늘고 있다는 것입니다. 훈련·연구 비용은 모델 세대마다 초기에 집중되는 반면, 추론 비용은 사용이 지속될수록 증가합니다. 연구소들은 모델과 도구를 구축하는 동안 자원의 대부분을 훈련과 연구에 썼으며, 시스템이 배포에 유용해지면서 2025~2026년에 추론 수요 증가가 빨라졌습니다. 모닝스타는 장기 마진이 훈련보다 추론에 더 크게 좌우되며, 추론만 놓고 보면 마진이 약 80%에 이를 수 있다고 추산했습니다.

Anthropic은 컴퓨팅 사용 비중이 추론 쪽으로 이동한 가운데 2026년 1분기 영업 흑자를 기록했으며, 분기 매출 110억 달러에 영업이익률 5%를 보고했습니다. 모닝스타는 연구소가 계속 적자를 낼 것이라는 비관적 전망보다 수익성 달성이 빨랐다고 밝혔습니다. 모닝스타의 해자 등급은 투자자본 수익률이 추정 자본비용을 웃돌 수 있는지를 평가합니다. 좁은 해자는 최소 10년 동안 초과수익을 낼 가능성이 그렇지 않을 가능성보다 높다는 뜻이며, 넓은 해자는 10년간 초과수익이 예상되고 최소 20년 지속될 가능성이 그렇지 않을 가능성보다 높다는 뜻입니다. 모닝스타는 해자의 원천으로 무형자산, 전환 비용, 네트워크 효과, 비용 우위, 효율적 규모 등 5가지를 제시했습니다. 해당 분석의 저자 중 한 명 이상은 글에서 다룬 증권 일부를 보유하고 있다고 밝혔습니다.